算法之-----时间复杂度和空间复杂度

平时用的少，经常忘记，这里记录下时间复杂度的概念

复杂度是算法的一种标记方法。用O表示，通常读为big O

O的包含了时间复杂和空间复杂度

这里就只说时间复杂度。

时间复杂度的概念，个人总结，可能不太准确。

时间复杂度，即标记一个问题，随着问题规模的变化，所需要花费时间的关系。时间复杂度就是问题规模和解决问题时间的关系。

这里有两个要素：1，问题规模，2，时间t

问题规模n为变量。随着n的增大，解决时间的变化。

根据自己的理解，时间复杂度和问题规模就是一个数学问题，我画了个几个图

上图是线性关系的图，在代码层理解的话，假设解决问题规模和解决问题的时间是线性关系就如上图。时间复杂度可表示为O（n）

如遍历数组一次，数组的长度为n，n为问题规模，遍历完数组的时间即为O，假设遍历数组长度为1的数组所需要的时间是1，那么n=1,O=1，n=2，O=2……n=n，O=n

那么他们时间复杂度表示就为O（n）

指数型的时间复杂度，如最近在LeetCode中刷题所刷到的题，两数之和的代码如下

class Solution {
    public int[] twoSum(int[] nums, int target) {
        for (int i = 0; i < nums.length; i++) {
            for (int j = i + 1; j < nums.length; j++) {
                if (nums[j] == target - nums[i]) {
                    return new int[] { i, j };
                }
            }
        }
        throw new IllegalArgumentException("No two sum solution");
    }
}

其中的问题规模n=nums.length，遍历两次，且是内部遍历。

n和O的关系是O=n²

时间复杂度为O（n²）

空间复杂度，O（1）

空间复杂度，在程序中就是解决问题所占增量的n存变化。

上诉代码中内存占用并不会随着n的变化而变化。故而为O（1）